多元时间序列相似性搜索研究综述  

Survey of similarity search for multivariate time series

作　　者：李正欣[1] 张凤鸣[1] 张晓丰[1] 陈继成[1] 李超[1] 

机构地区：[1]空军工程大学装备管理与安全工程学院,西安710051

出　　处：《控制与决策》2017年第4期577-583,共7页Control and Decision

基　　金：国家自然科学基金项目(61502521;71601183)

摘　　要：多元时间序列相似模式挖掘是数据挖掘领域的研究热点,它主要包括特征表示、相似模式度量和相似性搜索3个方面.目前,大部分研究成果主要集中在特征表示和相似模式度量,相似性搜索则成为制约问题突破的关键环节.为此,主要针对多元时间序列的相似性搜索进行综述,归纳了主要的相似模式度量方法,对比了不同相似模式度量下的序列搜索方法,并分析了不同方法的优缺点,以期为进一步研究多元时间序列相似性搜索提供帮助.Similar patterns mining for multivariate time series is becoming a hot topic in the area of data mining,which consists of three consecutive parts：Feature representation,similarity measure and similarity search.Most researches mainly focus on feature representation and similarity measure,which make similarity search still a tough problem in similar patterns mining.Therefore,the existing similarity measures are summarized,different methods of similarity search for multivariate time series are compared,their merits and demerits are analyzed,and the further research direction is provided.

关 键 词：多元时间序列 数据挖掘 相似模式度量 相似性搜索 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]